• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于HOG和特征描述子的人臉檢測與跟蹤

    2020-04-09 03:16:46
    關(guān)鍵詞:跟蹤目標(biāo)特征描述歐氏

    (浙江工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,浙江 杭州 310023)

    人臉檢測是指在給定圖像中確定人臉的位置、大小和姿態(tài),其本質(zhì)是模式識(shí)別的一種應(yīng)用。常用的人臉檢測方法有基于知識(shí)的方法、基于統(tǒng)計(jì)模型的方法和基于模板匹配的方法等。人臉跟蹤是在圖像序列中捕獲人臉信息的一種技術(shù),該技術(shù)在視頻監(jiān)控、圖像處理和人機(jī)交互等方面應(yīng)用廣泛,是近年來計(jì)算機(jī)視覺中的熱點(diǎn)之一。常用的人臉跟蹤方法有基于圖像特征的方法、基于機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法等。隨著社會(huì)的發(fā)展,人們對(duì)人臉檢測的精度要求和人臉跟蹤的準(zhǔn)確度要求不斷提高,因此該課題的深化研究有重要的實(shí)用價(jià)值。在人臉檢測中存在真實(shí)場景下的光照變化和隨機(jī)噪聲問題;在人臉跟蹤中會(huì)出現(xiàn)多人臉干擾和人臉姿態(tài)變換的問題[1]。針對(duì)這兩類難點(diǎn),國內(nèi)外學(xué)者進(jìn)行了大量的研究。對(duì)于人臉檢測中遇到的難點(diǎn),吳素雯等[2]提出了一種基于Gabor優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)與選擇性搜索策略相結(jié)合的算法,提高了在光照變化下的檢測效率,但對(duì)部分傾斜和光照不均勻的人臉仍存在漏檢。洪楊等[3]針對(duì)人臉圖像中存在的區(qū)域噪聲提出了改進(jìn)的多尺度Retinex算法,能夠提高原圖像的檢測率,然而漏檢問題依然存在。Lienhart等[4]對(duì)Haar特征進(jìn)行擴(kuò)展,訓(xùn)練形成了Haar-like分類器,能夠檢測傾斜角度的人臉,但是暴力枚舉的過程增加了內(nèi)存消耗。胡麗喬等[5]提出了一種自適應(yīng)加權(quán)HOG特征的人臉識(shí)別算法,在識(shí)別率上優(yōu)于傳統(tǒng)算法,同時(shí)在光照方面具有較強(qiáng)的魯棒性,但是計(jì)算復(fù)雜度偏高。對(duì)于人臉跟蹤遇到的難點(diǎn),F(xiàn)ukunaga等[6]提出Meanshift算法,基于核直方圖對(duì)人臉進(jìn)行建模,跟蹤準(zhǔn)確率較差。歷艷琨等[7]利用人臉特征點(diǎn)跟蹤3D人臉姿態(tài)的變化,實(shí)現(xiàn)了對(duì)單人臉姿態(tài)的穩(wěn)定跟蹤。張江鑫等[8]提出了一種基于Camshift聚類的粒子濾波人臉跟蹤算法,能在人臉無規(guī)則曲線運(yùn)動(dòng)中準(zhǔn)確跟蹤目標(biāo)人臉。楊超等[9]提出了一種改進(jìn)的Camshift-KLT算法,能夠減小跟蹤偏移距離,提高跟蹤命中率。以上跟蹤算法都比較偏向?qū)θ四槄^(qū)域或輪廓的跟蹤,無法區(qū)分不同的人臉,會(huì)出現(xiàn)當(dāng)多個(gè)人臉區(qū)域重疊時(shí)跟蹤目標(biāo)轉(zhuǎn)移至另一張人臉的問題,使得跟蹤準(zhǔn)確率下降。

    筆者提出了一種基于HOG和特征描述子的人臉檢測與跟蹤算法。實(shí)驗(yàn)前先對(duì)視頻幀進(jìn)行預(yù)處理操作,利用直方圖均衡化進(jìn)行光照補(bǔ)償,利用中值濾波進(jìn)行圖像降噪;然后基于HOG特征檢測人臉;最后通過ResNet生成特征描述子,利用結(jié)合特征描述子的校正策略獲得跟蹤結(jié)果。筆者算法能夠減少光照和噪聲的影響,而且可以在多人臉干擾和人臉姿態(tài)不斷變化的情況下區(qū)分不同的人臉。算法分為基于HOG特征的人臉檢測過程和基于特征描述子的人臉跟蹤過程,下文將按照上述思路分別進(jìn)行說明。

    1 基于HOG特征的人臉檢測

    圖1為基于HOG特征的人臉檢測流程圖。首先輸入一張人臉圖像,然后提取HOG特征,再與人臉檢測器進(jìn)行匹配,最后輸出檢測的結(jié)果。

    圖1 基于HOG特征的人臉檢測流程圖

    針對(duì)真實(shí)場景中的光照和噪聲問題,HOG特征提取步驟中的歸一化伽馬能夠進(jìn)一步消除光照變化、隨機(jī)噪聲帶來的影響,提高人臉檢測準(zhǔn)確度。

    1.1 提取HOG特征

    特征提取是模式識(shí)別研究的基本問題之一。對(duì)于圖像識(shí)別,高質(zhì)量的圖像特征可以有效地表示原始圖像的性質(zhì),且在圖像分類中起決定作用[10]。在人體關(guān)鍵部位圖像中合適的特征描述包括HOG特征和Haar-like特征等[11]。方向梯度直方圖(Histogram of oriented gradient,HOG)特征的核心思想是在一個(gè)大小統(tǒng)一、網(wǎng)格密集的細(xì)胞單元上進(jìn)行計(jì)算,利用相互重疊的局部對(duì)比度歸一化技術(shù)來提高描述能力[12]。HOG特征能夠很好地描述圖像局部差分信息且不易受噪聲干擾,在目標(biāo)檢測和跟蹤領(lǐng)域中是描述邊緣和形狀最好的特征之一。另一種常用的Haar-like特征反映了目標(biāo)的灰度變化情況,適合描述目標(biāo)陰影。與Haar-like特征相比,HOG特征保持了幾何和光學(xué)轉(zhuǎn)化不變性,能夠很好地描述目標(biāo)輪廓,因此筆者采用HOG特征作為人臉檢測中的特征表示。

    HOG特征提取步驟[13-16]為

    1)歸一化伽馬。使用伽馬變換歸一化圖像,有效地降低圖像局部的陰影和光照變化。

    2)滑動(dòng)窗口設(shè)置。分割圖像為若干個(gè)滑動(dòng)窗口(block),block用于在整幅圖像上滑動(dòng)提取人臉HOG特征。

    3)計(jì)算梯度。將block均勻分成4 個(gè)單元(cell),block之間采用重疊兩個(gè)細(xì)胞單元(cell)的形式進(jìn)行滑動(dòng)。計(jì)算出圖像的像素點(diǎn)(x,y)的水平方向和垂直方向的梯度,水平方向上的梯度Ix(x,y)為

    Ix(x,y)=I(x+1,y)-I(x-1,y)

    (1)

    垂直方向上的梯度Iy(x,y)為

    Iy(x,y)=I(x,y+1)-I(x,y-1)

    (2)

    得出像素點(diǎn)(x,y)的梯度幅值m(x,y)為

    (3)

    同樣可得像素點(diǎn)(x,y)的梯度方向θ(x,y)為

    (4)

    4)累加計(jì)算獲得空間細(xì)胞的梯度方向。將梯度方向均勻分成m(m通常為9)個(gè)方向(bin),如果梯度方向存在正負(fù),則將360°均勻分成m個(gè)區(qū)間,否則將180°均勻分成m個(gè)區(qū)間。將相同cell上所有相同梯度方向的點(diǎn)梯度幅值進(jìn)行基于權(quán)重的累加計(jì)算,得出該cell的梯度直方圖(HOG)。

    5)在重疊的細(xì)胞塊內(nèi)進(jìn)行歸一化對(duì)比。歸一化每個(gè)block內(nèi)的多個(gè)cell梯度直方圖為一個(gè)直方圖來表示當(dāng)前block的HOG特征。

    6)收集檢測窗口上所有塊的HOG。通過滑動(dòng)block窗口完成整幅圖像的HOG特征的提取。

    7)輸出HOG特征。

    1.2 匹配人臉檢測器

    利用HOG特征匹配人臉首先需要訓(xùn)練人臉檢測器,訓(xùn)練分為預(yù)處理和訓(xùn)練兩個(gè)階段。

    預(yù)處理階段:1)輸入采集的人臉圖像訓(xùn)練集、測試集,標(biāo)記每一張圖片的具體的人臉邊界(bounding box);2)進(jìn)行圖片上采樣,目的是為了放大較小的人臉,使檢測準(zhǔn)確度提高,上采樣的同時(shí)調(diào)整相應(yīng)的bounding box;3)對(duì)訓(xùn)練集中的人臉圖像進(jìn)行鏡像處理,擴(kuò)充樣本數(shù)量。

    訓(xùn)練階段:1)定義掃描器(scanner),用于掃描圖片并提取HOG特征;2)設(shè)置scanner的窗口尺寸,通過圖像金字塔變換實(shí)現(xiàn)在不同尺寸上檢測人臉的目的;3)定義訓(xùn)練器(trainer),用于訓(xùn)練人臉檢測器,其通過scanner初始化;4)進(jìn)行訓(xùn)練,生成并完善人臉檢測器,當(dāng)出現(xiàn)未確認(rèn)的人臉邊界時(shí)對(duì)該區(qū)域進(jìn)行忽略,防止出現(xiàn)錯(cuò)誤的人臉檢測信息;5)進(jìn)行測試,得到返回的檢測結(jié)果。

    圖2為一種正面人臉檢測器的HOG特征,該人臉檢測器對(duì)正臉的匹配度較好。相較于現(xiàn)有常用的基于Haar-like特征的人臉檢測算法,該算法精度更高,能夠識(shí)別更多的人臉。為了在輸入的視頻幀中能更好地提取人臉的有效信息,筆者選用基于HOG特征的人臉檢測算法。

    圖2 人臉檢測器的HOG特征

    2 基于特征描述子的人臉跟蹤

    圖3為基于特征描述子的人臉跟蹤流程圖。首先輸入當(dāng)前幀通過人臉檢測得到的結(jié)果,定位各張人臉的68 個(gè)關(guān)鍵點(diǎn),將其分別輸入到ResNet模型中得到內(nèi)容為128 維向量的特征描述子。若原先未存有特征描述子,則初始化該特征描述子為跟蹤目標(biāo)的判斷基準(zhǔn),若已存在特征描述子,則計(jì)算兩者的歐氏距離??紤]到當(dāng)前幀中可能有多個(gè)人臉,會(huì)生成多個(gè)距離值,選擇距離值最小的作為當(dāng)前幀的計(jì)算值。如果距離值低于默認(rèn)閾值,則表明兩個(gè)特征描述子都基于同一張人臉生成,更新特征描述子為當(dāng)前幀生成的描述子并更新跟蹤區(qū)域;反之則認(rèn)為兩個(gè)特征描述子不屬于同一張人臉,此時(shí)替換存儲(chǔ)的特征描述子,轉(zhuǎn)移跟蹤目標(biāo)為新特征描述子表示的人臉。當(dāng)前幀處理完后,載入下一幀,循環(huán)進(jìn)行人臉跟蹤。

    圖3 基于特征描述子的人臉跟蹤流程圖

    2.1 利用ResNet獲取特征描述子

    卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network,CNN)在圖像處理、模式識(shí)別和計(jì)算機(jī)視覺等方面引起了人們廣泛的關(guān)注,因?yàn)镃NN模型能夠有效提取圖像的特征描述子[17]。深度殘差網(wǎng)絡(luò)(Residual networks,ResNet)是由He等[18]提出的一種改良的卷積神經(jīng)網(wǎng)絡(luò),動(dòng)機(jī)是神經(jīng)網(wǎng)絡(luò)的退化問題。傳統(tǒng)CNN與ResNet相比,傳統(tǒng)CNN中卷積層和全連接層在傳遞信息時(shí),存在信息丟失、損耗等問題;而ResNet能通過旁路支線將輸入連接到后面的層,使其可以直接學(xué)習(xí)殘差,優(yōu)化基礎(chǔ)網(wǎng)絡(luò)性能的同時(shí)保護(hù)了信息的完整性。因此筆者采用ResNet模型,在提取特征描述子方面能夠比傳統(tǒng)CNN取得更好的效果。

    算法采用ResNet模型提取人臉特征描述子,輸入人臉圖像及對(duì)應(yīng)的關(guān)鍵點(diǎn),返回一個(gè)128 維的人臉特征描述子。在人臉特征描述子提取完成后,依次添加對(duì)應(yīng)的人臉標(biāo)識(shí),便于跟蹤結(jié)果的更新。

    2.2 利用歐氏距離計(jì)算相似性度量

    特征描述子本質(zhì)上是特征向量,計(jì)算特征向量的相似性可用距離進(jìn)行評(píng)價(jià)。常用的距離有曼哈頓距離、歐氏距離和切比雪夫距離,通過實(shí)驗(yàn)對(duì)比將3 種距離分別用于計(jì)算人臉特征描述子的相似性度量,最后選取區(qū)分度較好的歐氏距離作為衡量人臉特征描述子的標(biāo)準(zhǔn)。歐氏距離指兩點(diǎn)在m維空間上的真實(shí)距離,2個(gè)n維向量A(x11,x12, …,x1n)和B(x21,x22, …,x2n)的歐氏距離為

    (5)

    2.3 利用人臉標(biāo)識(shí)隊(duì)列更新跟蹤目標(biāo)

    因?yàn)橐粡垐D片可能有多個(gè)人臉,需分別計(jì)算得出兩個(gè)人臉特征描述子的歐氏距離。選取最小的距離值后,需要用閾值評(píng)價(jià)兩個(gè)描述子的相似程度。當(dāng)距離值小于閾值即相似度較高,則認(rèn)定兩個(gè)人臉屬于同一個(gè)人,跟蹤結(jié)果更新;否則相似度較低,認(rèn)定人臉屬于他人,跟蹤目標(biāo)轉(zhuǎn)移。因?yàn)橐曨l幀中人臉的姿態(tài)時(shí)刻發(fā)生變化,每一幀的人臉都不盡相同。如果始終以初始檢測的人臉描述子為基準(zhǔn)進(jìn)行相似度計(jì)算,在視頻幀中始終只有同一人的前提下,會(huì)出現(xiàn)因人臉姿態(tài)變化過大導(dǎo)致距離值偏大,使得跟蹤結(jié)果出現(xiàn)偏差。且新檢測的視頻幀中的人臉不可能與存儲(chǔ)的原特征描述子的人臉完全一致,從而使距離值總有一定的誤差。為了盡可能地消除這種誤差,當(dāng)認(rèn)定檢測的視頻幀中人臉為存儲(chǔ)的人臉時(shí),將人臉標(biāo)識(shí)對(duì)應(yīng)的原特征描述子進(jìn)行更新。由于視頻幀的連貫性,人臉的姿態(tài)變化在檢測的連續(xù)兩幀中變化較小。采用檢測的上一幀中相同人臉的特征描述子作為基準(zhǔn),能從最大程度上抑制人臉姿態(tài)變化產(chǎn)生的干擾。當(dāng)新提取的特征描述子與當(dāng)前存儲(chǔ)的特征描述子相似度過低時(shí),將新出現(xiàn)的人臉特征描述子替換原特征描述子并同時(shí)替換人臉標(biāo)識(shí)。

    為了防止某一幀中由于隨機(jī)干擾因素過于嚴(yán)重導(dǎo)致的相同人臉也檢測錯(cuò)誤的情況出現(xiàn),設(shè)計(jì)了一種基于時(shí)間順序的長度為L(L為大于1的奇數(shù))的人臉標(biāo)識(shí)隊(duì)列。該隊(duì)列中根據(jù)時(shí)間先后順序,將每一幀中檢測到的人臉標(biāo)識(shí)放入隊(duì)列末尾,根據(jù)隊(duì)列的先入先出原則,當(dāng)隊(duì)列元素總數(shù)達(dá)到L,則移除開頭的元素。隊(duì)列中始終存儲(chǔ)當(dāng)前幀和前L-1幀的人臉標(biāo)識(shí),隊(duì)列中數(shù)目最多的人臉標(biāo)識(shí)則為連續(xù)幀中的人臉檢測結(jié)果。只有在當(dāng)前幀的人臉檢測結(jié)果與連續(xù)幀的人臉檢測結(jié)果相同時(shí),原特征描述子才進(jìn)行更新,能夠較好地降低某一幀的誤差影響。

    3 實(shí)驗(yàn)及結(jié)果分析

    3.1 實(shí)驗(yàn)環(huán)境

    所有仿真結(jié)果基于Inter(R)Core(TM)i5-8250U @ 1.60 GHz處理器,8 GB內(nèi)存,操作系統(tǒng)為Ubuntu 16.04,編程語言使用Python 3.6,使用PyCharm 2018開發(fā)環(huán)境編寫算法,每段圖像序列長度為1 000 幀,每幀圖像分辨率為640×480。

    3.2 實(shí)驗(yàn)?zāi)P?/h3>

    Dlib是一個(gè)包含機(jī)器學(xué)習(xí)算法的第三方開源工具包,為提高人臉檢測和跟蹤的準(zhǔn)確率,實(shí)驗(yàn)所需模型采用Dlib中經(jīng)大量數(shù)據(jù)訓(xùn)練完成的模型。人臉檢測模型采用的基于HOG的正面人臉檢測器,參考頁面為http://dlib.net/dlib/image_processing/frontal_face_detector.h.html。人臉關(guān)鍵點(diǎn)模型采用的68 點(diǎn)關(guān)鍵點(diǎn)模型,下載地址為http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2。訓(xùn)練完成的ResNet模型,下載地址為http://dlib.net/files/dlib_face_recognition_resnet_model_v1.dat.bz2。

    3.3 圖像中光照和噪聲的預(yù)處理結(jié)果

    使用直方圖均衡化和中值濾波進(jìn)行預(yù)處理的效果如圖4所示。圖4(a)為原始樣例圖像,分辨率為640×480,圖像中光照不均勻且存在隨機(jī)噪聲;圖4(b)為直方圖均衡化處理的人臉圖像,針對(duì)圖像的光照問題,從視覺效果看,處理后的圖像亮度提升明顯,對(duì)比度增強(qiáng),細(xì)節(jié)特征也更加清晰;圖4(c)為進(jìn)行中值濾波處理后的人臉圖像,針對(duì)圖像的噪聲問題,其中大部分突出的噪聲點(diǎn)已被過濾。該樣例圖像的直方圖均衡化和中值濾波處理的時(shí)間約為0.002 96 s,對(duì)檢測幀數(shù)的時(shí)間影響可忽略不計(jì)。

    圖4 樣例圖像的處理結(jié)果

    3.4 HOG特征提取結(jié)果及人臉檢測

    以圖4(c)為待檢測樣例圖像,基于HOG特征的人臉檢測進(jìn)一步消除了光照和噪聲的影響,提取得到的結(jié)果如圖4(d)所示,為使結(jié)果更加直觀,運(yùn)算中歸一化了各個(gè)像素點(diǎn)的梯度,同時(shí)加入了梯度量級(jí)的非線性映射梯度,使梯度方向產(chǎn)生了明顯的深淺和長度差異,更容易區(qū)分邊緣。圖5(a)為經(jīng)過人臉檢測器匹配后的標(biāo)記人臉邊界的圖像,可以看出當(dāng)存在一張或多張人臉時(shí),基于HOG特征的人臉檢測器都能予以識(shí)別。圖6表示隨著視頻序列的長度逐漸增大時(shí),基于Hog特征和基于Haar-like特征的人臉檢測算法在檢測人臉準(zhǔn)確度上的情況,可以看出基于Hog特征的檢測準(zhǔn)確度在90%以上,而基于Haar-like特征的檢測準(zhǔn)確度只有60%左右,說明基于Hog特征的人臉檢測算法比基于Haar-like特征的能檢測到更多的人臉,更適合本實(shí)驗(yàn)的人臉檢測研究,而基于Haar-like特征的算法準(zhǔn)確度較低,容易遺漏視頻幀中的部分人臉,影響人臉跟蹤結(jié)果。

    圖5 人臉檢測算法結(jié)果與人臉關(guān)鍵點(diǎn)定位結(jié)果

    圖6 不同人臉檢測算法的對(duì)比實(shí)驗(yàn)

    3.5 人臉跟蹤結(jié)果實(shí)驗(yàn)

    將檢測到人臉的視頻幀進(jìn)行人臉關(guān)鍵點(diǎn)定位。圖5(b)為圖5(a)進(jìn)行人臉關(guān)鍵點(diǎn)定位的結(jié)果,位于眉毛、眼睛、鼻子、嘴巴和面部輪廓的特征點(diǎn)都已經(jīng)被標(biāo)明。通過輸入當(dāng)前視頻幀和定位的人臉關(guān)鍵點(diǎn)到訓(xùn)練好的ResNet模型,可以得到128 維的特征描述子,作為當(dāng)前圖像中人臉的向量表示,圖5(b)左一的人臉提取的特征描述子如圖7所示。

    圖7 人臉的特征描述子

    針對(duì)兩個(gè)特征描述子的相似度比較問題,需要通過與默認(rèn)閾值比較得出結(jié)果。默認(rèn)閾值的確定需要計(jì)算兩個(gè)相同人臉的不同特征描述子的距離值作為標(biāo)準(zhǔn),且該距離值變化幅度不能過大,最好在某一數(shù)值上下保持微小波動(dòng)。圖8(a)為曼哈頓距離、歐氏距離、切比雪夫距離3 種距離在已知相同人臉的兩個(gè)不同特征描述子下進(jìn)行計(jì)算的結(jié)果。圖8(b)為曼哈頓距離、歐氏距離、切比雪夫距離3 種距離在已知不同人臉的兩個(gè)不同特征描述子下進(jìn)行計(jì)算的結(jié)果。由圖8(a)可知,相同人臉的不同特征描述子的曼哈頓距離變化較大,在(1.15,3.70)的區(qū)間內(nèi)波動(dòng),結(jié)合圖8(b)中不同人臉特征描述子的曼哈頓距離波動(dòng)區(qū)間(3.65,5.63),兩者存在重疊區(qū)間。而歐氏距離和切比雪夫距離在相同人臉的不同特征描述子的條件下距離值變化較為平穩(wěn)(圖8a)。表1為實(shí)驗(yàn)中歐氏距離與切比雪夫距離的比較,能夠看出:切比雪夫距離的變化范圍雖平穩(wěn),區(qū)分度仍然偏小,且當(dāng)距離值為0.09時(shí)不能很好地判定一組特征描述子是否為同一張人臉。而歐氏距離的變化范圍較小且區(qū)分度較切比雪夫距離更大,故筆者采用歐氏距離作為一組特征描述子是否為相同人臉的判別標(biāo)準(zhǔn),參考表1的數(shù)據(jù),相同人臉的不同特征描述子的歐氏距離小于0.38,而不同人臉的不同特征描述子的歐氏距離大于0.43,計(jì)算得出邊界值0.38和0.43的平均值為0.405,結(jié)果保留兩位小數(shù)為0.40,將其設(shè)定為默認(rèn)閾值。

    圖8 相同人臉和不同人臉的一組特征描述子的不同距離

    表1 實(shí)驗(yàn)中歐氏距離與切比雪夫距離的比較

    Table 1 The comparison of Euclidean distance and Chebyshev distance in experiment

    距離度量相同人臉的不同特征描述子不同人臉的不同特征描述子歐氏距離范圍(0.13,0.38)(0.43,0.63)切比雪夫距離范圍(0.03,0.09)(0.09,0.15)

    更新原特征描述子所需的人臉標(biāo)識(shí)隊(duì)列長度L需要通過多人臉跟蹤實(shí)驗(yàn)確定。表2為人臉標(biāo)識(shí)隊(duì)列長度L對(duì)人臉跟蹤準(zhǔn)確率的關(guān)系,從表中可得:當(dāng)L等于5時(shí),人臉跟蹤準(zhǔn)確率達(dá)到峰值;且當(dāng)L大于5時(shí),值越大人臉跟蹤準(zhǔn)確率越低,因?yàn)楫?dāng)人臉標(biāo)識(shí)隊(duì)列長度越大,不同人臉的跟蹤目標(biāo)切換越不靈活,會(huì)出現(xiàn)整個(gè)視頻序列都只跟蹤初始人臉的情況。為了即能降低視頻某一幀的誤差影響,又能靈活地應(yīng)對(duì)多個(gè)人臉的跟蹤目標(biāo)切換,取L為5,此時(shí)本實(shí)驗(yàn)人臉跟蹤準(zhǔn)確率為83.78%。多人臉跟蹤優(yōu)先度問題的解決策略是:以視頻幀中最先被識(shí)別的人臉為初始跟蹤目標(biāo),每當(dāng)跟蹤目標(biāo)消失時(shí)進(jìn)行目標(biāo)切換。圖9為多人臉實(shí)驗(yàn)效果圖,第1張圖為第1個(gè)人的人臉跟蹤結(jié)果,第2,3張圖中當(dāng)?shù)?個(gè)人從視頻中出現(xiàn)時(shí),實(shí)驗(yàn)的跟蹤目標(biāo)仍為第1個(gè)人,當(dāng)?shù)?個(gè)人的人臉從視頻中消失時(shí),跟蹤目標(biāo)轉(zhuǎn)換到第2個(gè)人,而當(dāng)?shù)?個(gè)人出現(xiàn)時(shí),因?yàn)楦櫮繕?biāo)已經(jīng)切換,所以跟蹤結(jié)果不受影響。

    表2 人臉標(biāo)識(shí)隊(duì)列長度L對(duì)人臉跟蹤準(zhǔn)確率的關(guān)系

    Table 2 The relationship between the length of a face queue and face tracking accuracy

    人臉標(biāo)識(shí)隊(duì)列長度L人臉跟蹤準(zhǔn)確率/%376.08583.78782.38979.781174.07

    圖9 多人臉切換實(shí)驗(yàn)

    筆者算法和近年來提出的人臉跟蹤算法比較如表3,4所示。單人臉情況下,表中算法都有較高的跟蹤準(zhǔn)確率。多人臉情況下,表中算法的跟蹤準(zhǔn)確率都有不同程度的下降,文獻(xiàn)[8-9]的算法因?yàn)槲瘁槍?duì)多人臉干擾問題提出有效的解決方案,在切換跟蹤目標(biāo)上出現(xiàn)明顯誤差,使得平均誤識(shí)別幀數(shù)增大。在跟蹤準(zhǔn)確率方面,筆者算法提出的跟蹤校正策略對(duì)多人臉干擾問題的解決效果較好,相比其他兩種算法有明顯優(yōu)勢(shì)。在跟蹤實(shí)時(shí)性方面,筆者算法雖然比其他兩種算法耗時(shí),但基本上滿足實(shí)時(shí)的需求。

    表3 單人臉情況下不同跟蹤算法的實(shí)驗(yàn)對(duì)比

    表4 多人臉情況下不同跟蹤算法的實(shí)驗(yàn)對(duì)比

    4 結(jié) 論

    通過對(duì)人臉特征的研究,提出了一種基于HOG和特征描述子的人臉檢測與跟蹤算法。該算法引入圖像預(yù)處理,降低了光照變化與隨機(jī)噪聲的干擾。在人臉檢測方面,筆者方法通過HOG特征能夠檢測視頻幀出現(xiàn)的人臉,進(jìn)一步降低光照、噪聲的影響。在人臉跟蹤方面,筆者方法借助人臉的關(guān)鍵點(diǎn)實(shí)時(shí)生成特征描述子,通過比較歐氏距離來更新跟蹤目標(biāo),能夠排除現(xiàn)實(shí)場景中多人臉的干擾,同時(shí)也更好地適應(yīng)了人臉的姿態(tài)變化。實(shí)驗(yàn)結(jié)果表明算法準(zhǔn)確率較高且魯棒性較好。但是,實(shí)驗(yàn)中也反映出該算法存在的不足,即當(dāng)場景中人臉的數(shù)目過多導(dǎo)致視頻幀率下降,該問題在以后工作中會(huì)采用優(yōu)化人臉檢測算法進(jìn)一步改良。

    猜你喜歡
    跟蹤目標(biāo)特征描述歐氏
    In the Zoo
    船舶尾流圖像的數(shù)字化處理和特征描述技術(shù)
    核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
    基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
    目標(biāo)魯棒識(shí)別的抗旋轉(zhuǎn)HDO 局部特征描述
    連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
    基于卡爾曼和圖像信息量的Mean Shift改進(jìn)跟蹤算法
    基于差異的圖像特征描述及其在絕緣子識(shí)別中的應(yīng)用
    電測與儀表(2015年3期)2015-04-09 11:37:56
    基于多維歐氏空間相似度的激光點(diǎn)云分割方法
    麗江“思奔記”(上)
    探索地理(2013年5期)2014-01-09 06:40:44
    午夜精品国产一区二区电影| 亚洲一区高清亚洲精品| 香蕉丝袜av| 精品国产乱码久久久久久男人| 亚洲中文av在线| 每晚都被弄得嗷嗷叫到高潮| 多毛熟女@视频| 美女 人体艺术 gogo| 国产精品 国内视频| 国产亚洲精品久久久久5区| 日韩欧美一区视频在线观看| 亚洲人成网站在线播放欧美日韩| 久久人妻av系列| 99在线视频只有这里精品首页| 欧美日韩中文字幕国产精品一区二区三区 | 久久精品国产综合久久久| 欧美黄色淫秽网站| 黄片播放在线免费| 亚洲中文字幕一区二区三区有码在线看 | 亚洲七黄色美女视频| 黄色视频不卡| 一边摸一边抽搐一进一小说| 亚洲欧美激情综合另类| 亚洲精品av麻豆狂野| 精品国内亚洲2022精品成人| 看片在线看免费视频| 午夜日韩欧美国产| 99国产精品一区二区三区| 美女国产高潮福利片在线看| 老司机在亚洲福利影院| 亚洲情色 制服丝袜| 国产三级在线视频| 好男人电影高清在线观看| 一区二区三区激情视频| 国产精品乱码一区二三区的特点 | 怎么达到女性高潮| 午夜久久久久精精品| 两性夫妻黄色片| 在线观看午夜福利视频| 这个男人来自地球电影免费观看| 久久久水蜜桃国产精品网| 日韩欧美三级三区| 丝袜在线中文字幕| 午夜成年电影在线免费观看| 亚洲专区国产一区二区| 看黄色毛片网站| 国产精品一区二区在线不卡| 国产精品电影一区二区三区| 色精品久久人妻99蜜桃| 两个人视频免费观看高清| 老汉色∧v一级毛片| 国产精品98久久久久久宅男小说| 美国免费a级毛片| 99久久精品国产亚洲精品| 制服诱惑二区| 色播亚洲综合网| 一本久久中文字幕| а√天堂www在线а√下载| 久久天堂一区二区三区四区| 日韩成人在线观看一区二区三区| 777久久人妻少妇嫩草av网站| 高清在线国产一区| 大香蕉久久成人网| 最近最新免费中文字幕在线| 欧美在线一区亚洲| 丝袜美腿诱惑在线| 国产精品爽爽va在线观看网站 | 啦啦啦韩国在线观看视频| av天堂久久9| 日韩欧美在线二视频| 精品国产国语对白av| 日本黄色视频三级网站网址| 在线观看一区二区三区| 国产伦人伦偷精品视频| 一a级毛片在线观看| 精品一品国产午夜福利视频| 母亲3免费完整高清在线观看| 两人在一起打扑克的视频| 亚洲在线自拍视频| 亚洲人成网站在线播放欧美日韩| 在线永久观看黄色视频| 一级,二级,三级黄色视频| 18禁黄网站禁片午夜丰满| 久久热在线av| 手机成人av网站| 国产激情欧美一区二区| 亚洲欧美激情在线| 日韩欧美一区二区三区在线观看| 免费看十八禁软件| 欧洲精品卡2卡3卡4卡5卡区| 国产精品乱码一区二三区的特点 | a级毛片在线看网站| 老司机午夜十八禁免费视频| 精品一区二区三区av网在线观看| 国产精品亚洲一级av第二区| 巨乳人妻的诱惑在线观看| 一个人免费在线观看的高清视频| 久久久久久久精品吃奶| 久久久精品国产亚洲av高清涩受| 狂野欧美激情性xxxx| 一级毛片女人18水好多| 一边摸一边做爽爽视频免费| 国产免费av片在线观看野外av| 制服丝袜大香蕉在线| 别揉我奶头~嗯~啊~动态视频| 在线av久久热| 国产av一区在线观看免费| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品久久久久久精品电影 | 免费搜索国产男女视频| 桃色一区二区三区在线观看| 国产精品一区二区免费欧美| 久久精品亚洲熟妇少妇任你| 亚洲欧美日韩无卡精品| 国产精品,欧美在线| 亚洲七黄色美女视频| 欧美色欧美亚洲另类二区 | 他把我摸到了高潮在线观看| 91av网站免费观看| 欧美丝袜亚洲另类 | 国产人伦9x9x在线观看| 国产精品一区二区免费欧美| 国产成人av激情在线播放| 久久久久久久久免费视频了| 欧美大码av| 热re99久久国产66热| 国产99白浆流出| 两个人免费观看高清视频| 少妇裸体淫交视频免费看高清 | 少妇 在线观看| 亚洲国产精品sss在线观看| 午夜福利,免费看| 男女床上黄色一级片免费看| 国产日韩一区二区三区精品不卡| 国产成人免费无遮挡视频| 一级毛片高清免费大全| 波多野结衣巨乳人妻| 窝窝影院91人妻| 亚洲中文日韩欧美视频| 久久久久久久久中文| 欧美乱色亚洲激情| 欧美不卡视频在线免费观看 | 亚洲精品在线美女| 国产成人欧美| 亚洲一区中文字幕在线| 亚洲欧美激情在线| 亚洲全国av大片| 国产av在哪里看| 最好的美女福利视频网| 天堂动漫精品| 国产熟女午夜一区二区三区| 最近最新中文字幕大全电影3 | 黄色女人牲交| 一本久久中文字幕| 黑人欧美特级aaaaaa片| 国产精品98久久久久久宅男小说| 巨乳人妻的诱惑在线观看| or卡值多少钱| 欧美日韩一级在线毛片| √禁漫天堂资源中文www| www日本在线高清视频| 伊人久久大香线蕉亚洲五| 亚洲久久久国产精品| a级毛片在线看网站| 美女扒开内裤让男人捅视频| 在线观看66精品国产| 亚洲精品一区av在线观看| 国产一区二区激情短视频| 亚洲人成电影免费在线| 91精品国产国语对白视频| 亚洲av五月六月丁香网| 男女午夜视频在线观看| 香蕉丝袜av| 日本vs欧美在线观看视频| 99久久99久久久精品蜜桃| 国产一区二区三区视频了| 亚洲精品美女久久久久99蜜臀| 国产精品久久视频播放| 久久久久亚洲av毛片大全| 琪琪午夜伦伦电影理论片6080| 国产成人欧美在线观看| 妹子高潮喷水视频| 18禁美女被吸乳视频| www.熟女人妻精品国产| 男女午夜视频在线观看| 欧美成狂野欧美在线观看| 久久精品国产综合久久久| 日本 av在线| 国产色视频综合| 成人精品一区二区免费| 久热这里只有精品99| 国产av又大| 91九色精品人成在线观看| av在线播放免费不卡| 十八禁人妻一区二区| 可以在线观看毛片的网站| 久久人人精品亚洲av| 一级片免费观看大全| 中文字幕久久专区| 婷婷六月久久综合丁香| 精品一区二区三区四区五区乱码| 亚洲五月色婷婷综合| 男女做爰动态图高潮gif福利片 | 免费无遮挡裸体视频| 久久精品影院6| 精品久久蜜臀av无| 欧美一区二区精品小视频在线| 男女之事视频高清在线观看| 国产精品野战在线观看| 两个人免费观看高清视频| 欧美在线一区亚洲| 啦啦啦观看免费观看视频高清 | 男女床上黄色一级片免费看| 精品熟女少妇八av免费久了| 精品久久久久久久久久免费视频| 精品人妻1区二区| 色综合亚洲欧美另类图片| 视频区欧美日本亚洲| 免费在线观看黄色视频的| 男男h啪啪无遮挡| 国产视频一区二区在线看| 日韩精品青青久久久久久| 久久精品国产清高在天天线| 久久中文字幕一级| 亚洲男人的天堂狠狠| 一级a爱视频在线免费观看| 午夜福利欧美成人| 欧美成人一区二区免费高清观看 | 精品久久久精品久久久| 亚洲国产毛片av蜜桃av| 男女下面插进去视频免费观看| 99久久综合精品五月天人人| 成人国产综合亚洲| 国产私拍福利视频在线观看| 男人操女人黄网站| 成人国语在线视频| 日韩精品中文字幕看吧| avwww免费| 一本久久中文字幕| 色综合婷婷激情| 在线视频色国产色| 国产精品 国内视频| 两个人看的免费小视频| 一区二区三区高清视频在线| 国产精品爽爽va在线观看网站 | 99久久久亚洲精品蜜臀av| 91麻豆精品激情在线观看国产| 在线观看免费日韩欧美大片| 在线国产一区二区在线| 国产成人系列免费观看| 黄片大片在线免费观看| 91九色精品人成在线观看| 一级a爱片免费观看的视频| 性色av乱码一区二区三区2| 国产成人啪精品午夜网站| 国产免费男女视频| 人人妻人人澡欧美一区二区 | 亚洲欧美激情综合另类| 一二三四社区在线视频社区8| 欧美乱妇无乱码| 一级毛片女人18水好多| 99国产极品粉嫩在线观看| 亚洲人成77777在线视频| 国产单亲对白刺激| 亚洲色图av天堂| 久久中文看片网| 黄频高清免费视频| 日韩一卡2卡3卡4卡2021年| 女性被躁到高潮视频| 国产av一区二区精品久久| 男人的好看免费观看在线视频 | 亚洲avbb在线观看| 精品国产亚洲在线| 久久人妻熟女aⅴ| www.熟女人妻精品国产| 亚洲欧美日韩无卡精品| 18美女黄网站色大片免费观看| 正在播放国产对白刺激| 999久久久精品免费观看国产| 91麻豆精品激情在线观看国产| 午夜福利在线观看吧| 99精品在免费线老司机午夜| 身体一侧抽搐| 老汉色av国产亚洲站长工具| 自拍欧美九色日韩亚洲蝌蚪91| 一进一出抽搐gif免费好疼| 亚洲人成77777在线视频| 午夜福利成人在线免费观看| 大型黄色视频在线免费观看| 日本 欧美在线| 老司机福利观看| 老汉色∧v一级毛片| 亚洲人成77777在线视频| bbb黄色大片| 欧美不卡视频在线免费观看 | 50天的宝宝边吃奶边哭怎么回事| 午夜精品久久久久久毛片777| 亚洲人成网站在线播放欧美日韩| av在线天堂中文字幕| 18禁黄网站禁片午夜丰满| 不卡av一区二区三区| 国产私拍福利视频在线观看| 国产国语露脸激情在线看| 一级毛片高清免费大全| 免费无遮挡裸体视频| 精品人妻在线不人妻| 久久久久九九精品影院| 一区二区三区国产精品乱码| 国产主播在线观看一区二区| 99精品久久久久人妻精品| 操出白浆在线播放| 热re99久久国产66热| 久久亚洲精品不卡| 香蕉国产在线看| 成人精品一区二区免费| 一区二区日韩欧美中文字幕| 两性夫妻黄色片| av电影中文网址| 色综合亚洲欧美另类图片| 国产国语露脸激情在线看| 久久精品亚洲熟妇少妇任你| 亚洲,欧美精品.| 别揉我奶头~嗯~啊~动态视频| 精品久久久久久久人妻蜜臀av | 国产亚洲欧美精品永久| 变态另类成人亚洲欧美熟女 | a级毛片在线看网站| 国产成人一区二区三区免费视频网站| 亚洲一卡2卡3卡4卡5卡精品中文| 两个人视频免费观看高清| 国产真人三级小视频在线观看| 午夜福利视频1000在线观看 | 又黄又爽又免费观看的视频| 亚洲国产精品999在线| 久久久久久久午夜电影| 午夜老司机福利片| 在线观看舔阴道视频| 国产三级在线视频| 国产伦人伦偷精品视频| 国产激情久久老熟女| 一二三四在线观看免费中文在| 国产高清激情床上av| 国产精品亚洲一级av第二区| 国产精品二区激情视频| 女警被强在线播放| netflix在线观看网站| 美女午夜性视频免费| 一区二区三区精品91| 男男h啪啪无遮挡| 国产亚洲精品第一综合不卡| 国产高清有码在线观看视频 | 免费看a级黄色片| 国产高清有码在线观看视频 | 999久久久精品免费观看国产| 久久精品影院6| 天堂影院成人在线观看| 在线永久观看黄色视频| 国产高清videossex| 搡老岳熟女国产| 精品无人区乱码1区二区| 老司机靠b影院| 在线观看免费日韩欧美大片| 日本黄色视频三级网站网址| 桃红色精品国产亚洲av| 夜夜看夜夜爽夜夜摸| 亚洲五月天丁香| 又黄又爽又免费观看的视频| 一个人观看的视频www高清免费观看 | 国产高清videossex| 精品人妻在线不人妻| 一卡2卡三卡四卡精品乱码亚洲| 久久国产乱子伦精品免费另类| 国内精品久久久久久久电影| 村上凉子中文字幕在线| 首页视频小说图片口味搜索| 久久国产精品男人的天堂亚洲| 可以免费在线观看a视频的电影网站| 亚洲成人精品中文字幕电影| 精品日产1卡2卡| 精品国产一区二区三区四区第35| 国产成人啪精品午夜网站| 久久亚洲精品不卡| 天堂影院成人在线观看| 国产成年人精品一区二区| 午夜久久久久精精品| 男女做爰动态图高潮gif福利片 | 巨乳人妻的诱惑在线观看| 在线av久久热| 亚洲第一av免费看| 熟女少妇亚洲综合色aaa.| 久久国产精品男人的天堂亚洲| 婷婷丁香在线五月| 午夜a级毛片| 国产精品 欧美亚洲| 欧美黑人精品巨大| www.精华液| 一区福利在线观看| 制服人妻中文乱码| 美女高潮喷水抽搐中文字幕| 一级毛片女人18水好多| 午夜福利免费观看在线| 国产熟女xx| 99国产综合亚洲精品| 欧美乱码精品一区二区三区| 欧美成人性av电影在线观看| 亚洲色图av天堂| 久久精品成人免费网站| 一区二区三区激情视频| 后天国语完整版免费观看| 12—13女人毛片做爰片一| 国产欧美日韩一区二区精品| 午夜福利高清视频| 国产97色在线日韩免费| 男女下面进入的视频免费午夜 | 日日摸夜夜添夜夜添小说| 国产精品九九99| 国产精品野战在线观看| 亚洲九九香蕉| 国产精品乱码一区二三区的特点 | 黄色 视频免费看| 麻豆国产av国片精品| 少妇粗大呻吟视频| 欧美色欧美亚洲另类二区 | 成人18禁高潮啪啪吃奶动态图| 国产一卡二卡三卡精品| 人妻丰满熟妇av一区二区三区| 老汉色av国产亚洲站长工具| 国产亚洲精品久久久久久毛片| videosex国产| 日韩大尺度精品在线看网址 | 亚洲自偷自拍图片 自拍| 中文字幕另类日韩欧美亚洲嫩草| 日韩精品中文字幕看吧| 色精品久久人妻99蜜桃| 动漫黄色视频在线观看| 国产成人av教育| 亚洲欧美日韩无卡精品| 国产精品永久免费网站| 国产精品久久久人人做人人爽| 天堂影院成人在线观看| 黄色视频不卡| 咕卡用的链子| 国产成人精品无人区| 午夜激情av网站| 久久久久国内视频| 麻豆久久精品国产亚洲av| av福利片在线| 免费看a级黄色片| 老司机福利观看| 亚洲视频免费观看视频| 中文字幕久久专区| 俄罗斯特黄特色一大片| 欧美日韩精品网址| 大香蕉久久成人网| 精品电影一区二区在线| 国产亚洲欧美98| 男女下面进入的视频免费午夜 | 中文字幕高清在线视频| 国产精品av久久久久免费| 99国产精品一区二区三区| cao死你这个sao货| 精品少妇一区二区三区视频日本电影| 十八禁人妻一区二区| 悠悠久久av| 无人区码免费观看不卡| 国产av在哪里看| 99久久综合精品五月天人人| 精品一品国产午夜福利视频| 成人亚洲精品av一区二区| 亚洲成人精品中文字幕电影| 欧美国产日韩亚洲一区| 黄色视频不卡| 欧美国产精品va在线观看不卡| 久久久久久久久久久久大奶| 亚洲国产欧美日韩在线播放| 性少妇av在线| av视频免费观看在线观看| 国产精品一区二区免费欧美| 日韩视频一区二区在线观看| 欧美激情久久久久久爽电影 | 伊人久久大香线蕉亚洲五| 可以免费在线观看a视频的电影网站| 国产精品久久久人人做人人爽| 免费观看精品视频网站| 制服丝袜大香蕉在线| 久久国产精品影院| 黄色片一级片一级黄色片| 色在线成人网| 最新美女视频免费是黄的| 成人免费观看视频高清| 色老头精品视频在线观看| 这个男人来自地球电影免费观看| 好男人电影高清在线观看| 欧美色欧美亚洲另类二区 | 亚洲欧美日韩高清在线视频| 国产精品av久久久久免费| 国产精品免费视频内射| 久久久国产成人免费| 日韩欧美国产一区二区入口| 国产亚洲欧美98| av欧美777| 免费观看精品视频网站| 男女之事视频高清在线观看| 亚洲国产高清在线一区二区三 | 日韩欧美在线二视频| 天堂√8在线中文| 欧美乱色亚洲激情| 大香蕉久久成人网| 国产精品影院久久| 丰满人妻熟妇乱又伦精品不卡| www.999成人在线观看| netflix在线观看网站| 电影成人av| 精品一区二区三区视频在线观看免费| 亚洲一卡2卡3卡4卡5卡精品中文| 无遮挡黄片免费观看| 正在播放国产对白刺激| 琪琪午夜伦伦电影理论片6080| 又黄又爽又免费观看的视频| 久久久国产成人免费| 丁香欧美五月| 久久人人爽av亚洲精品天堂| 19禁男女啪啪无遮挡网站| 中文字幕精品免费在线观看视频| 禁无遮挡网站| 亚洲精品一区av在线观看| 午夜成年电影在线免费观看| 19禁男女啪啪无遮挡网站| 91九色精品人成在线观看| 18禁美女被吸乳视频| 一二三四在线观看免费中文在| 18禁黄网站禁片午夜丰满| 男女下面进入的视频免费午夜 | 熟妇人妻久久中文字幕3abv| 日韩大码丰满熟妇| 国产精品久久久久久亚洲av鲁大| www.熟女人妻精品国产| 亚洲av电影在线进入| 变态另类成人亚洲欧美熟女 | 精品国产一区二区三区四区第35| 久久青草综合色| 男女之事视频高清在线观看| 久久婷婷成人综合色麻豆| 国产精品亚洲av一区麻豆| 免费在线观看完整版高清| 黑人操中国人逼视频| 国产精品久久视频播放| 人人妻,人人澡人人爽秒播| 多毛熟女@视频| 国产三级黄色录像| 国产精品1区2区在线观看.| 三级毛片av免费| 丰满的人妻完整版| 咕卡用的链子| 久久性视频一级片| 亚洲自拍偷在线| 久久人妻av系列| av在线天堂中文字幕| 黑人巨大精品欧美一区二区mp4| 午夜老司机福利片| 1024香蕉在线观看| 亚洲专区字幕在线| 91国产中文字幕| 亚洲第一av免费看| 亚洲精品av麻豆狂野| 母亲3免费完整高清在线观看| ponron亚洲| 一卡2卡三卡四卡精品乱码亚洲| 久久香蕉国产精品| 变态另类成人亚洲欧美熟女 | 久久人人精品亚洲av| 久久久国产成人精品二区| 亚洲成人精品中文字幕电影| www.精华液| 日本精品一区二区三区蜜桃| 精品高清国产在线一区| 18禁美女被吸乳视频| 侵犯人妻中文字幕一二三四区| 一本久久中文字幕| 每晚都被弄得嗷嗷叫到高潮| 99久久精品国产亚洲精品| 国产xxxxx性猛交| 丰满人妻熟妇乱又伦精品不卡| 美女高潮喷水抽搐中文字幕| 真人做人爱边吃奶动态| 丝袜美腿诱惑在线| 岛国在线观看网站| 嫁个100分男人电影在线观看| 老汉色∧v一级毛片| x7x7x7水蜜桃| 国产精品久久久av美女十八| 美女扒开内裤让男人捅视频| 日韩欧美三级三区| 中文字幕av电影在线播放| 香蕉丝袜av| 久热爱精品视频在线9| 一区在线观看完整版| 国产男靠女视频免费网站| 精品久久久久久成人av| 99精品欧美一区二区三区四区| 亚洲精品av麻豆狂野| 日本免费a在线| 九色亚洲精品在线播放| 久久九九热精品免费| 国产精品影院久久| 精品久久久久久成人av| 亚洲成av片中文字幕在线观看| 一级毛片高清免费大全| 最近最新中文字幕大全免费视频| 午夜两性在线视频| 一级作爱视频免费观看| 天天躁狠狠躁夜夜躁狠狠躁| 亚洲国产精品久久男人天堂| 亚洲成av片中文字幕在线观看| 咕卡用的链子|